---
title: "Transcribir audio de más de 25 MB por API: dividir y unir"
description: "Cómo transcribir grabaciones que superan el límite de una API de voz a texto: reduzca el archivo, divídalo en silencios con ffmpeg, envíe en paralelo y una el texto."
url: https://broadrouter.com/es/blog/transcribe-long-audio-files-api/
lang: es
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Traducido del inglés con ayuda de IA. [Lea el original en inglés](https://broadrouter.com/blog/transcribe-long-audio-files-api/) (actualizado el 2026-11-15).

# Transcribir audio largo de más de 25 MB: dividir, enviar y unir

Por el equipo de BroadNet Inference · 6 min de lectura · Publicado 2026-11-15

La mayoría de las API de transcripción rechazan un archivo de más de unos 25 MB. Convierta primero la grabación a 16 kHz mono: solo con eso caben unos 13 minutos de WAV o 54 minutos de MP3 a 64 kbit/s en el límite de 26,214,400 bytes de BroadNet. Para audio más largo, divídalo en los silencios con ffmpeg, transcriba los fragmentos en paralelo y una el texto en orden.

## Puntos clave

-   El límite es en bytes, no en minutos. El WAV mono a 16 kHz ocupa 32,000 bytes por segundo, así que 26,214,400 bytes son unos 13.6 minutos; el MP3 a 64 kbit/s, unos 54 minutos.
-   Divida por tiempo en un silencio, nunca por posición de bytes. Un corte por bytes rompe los fotogramas de audio, y un corte a mitad de palabra pierde palabras.
-   Mantenga los fragmentos muy por debajo del límite, por ejemplo 10 minutos de WAV, para que un archivo con ruido nunca devuelva 413.
-   Envíe los fragmentos en paralelo hasta el límite de la clave: 4 solicitudes en curso y 30 por minuto con una clave de pago por uso de BroadNet.
-   Dividir no cambia la duración de audio que usted paga. Una hora de árabe cuesta $0.25 en BroadNet Transcribe Arabic.

**En esta página**

1.  ¿Por qué falla una grabación larga?
2.  Paso 1: ¿cómo se reduce el archivo?
3.  Paso 2: ¿cómo se divide el audio sin cortar palabras?
4.  ¿Cómo es el script completo?
5.  ¿Cuántos fragmentos puede enviar a la vez?
6.  ¿Necesita superposición entre fragmentos?
7.  ¿Puede el siguiente fragmento usar el texto del anterior como contexto?
8.  ¿Cuánto cuesta un archivo largo?
9.  ¿Qué errores debe evitar?
10.  ¿Cuándo dividir no es la herramienta adecuada?
11.  Dónde encaja BroadNet Inference

La mayoría de las API de voz a texto aceptan un archivo de unos 25 MB por solicitud. BroadNet Inference acepta WAV o MP3 de hasta 26,214,400 bytes. Una reunión larga, una clase o un pódcast lo superan con facilidad, y la solicitud falla con 413. La solución tiene cuatro pasos: reducir el archivo, dividirlo en los silencios, enviar los trozos en paralelo y volver a unir el texto.

## ¿Por qué falla una grabación larga?

El límite es de bytes, no de minutos. Cuántos minutos caben depende del formato:

| Formato | Bytes por segundo | Cabe en 26,214,400 bytes |
| --- | --- | --- |
| WAV, 44.1 kHz estéreo, 16 bits | 176,400 | Unos 2.5 minutos |
| WAV, 16 kHz mono, 16 bits | 32,000 | Unos 13.6 minutos |
| MP3, 64 kbit/s | 8,000 | Unos 54 minutos |
| MP3, 32 kbit/s | 4,000 | Unos 109 minutos |

Son cuentas sencillas: bytes por segundo por segundos. Una grabación de teléfono o portátil suele estar a 44.1 o 48 kHz en estéreo, lo que llena el límite en pocos minutos. La voz no necesita eso. Convertir primero a 16 kHz mono es la mayor mejora individual.

Cuando un archivo sigue siendo demasiado grande, la API lo rechaza directamente. En BroadNet la respuesta es 413, “the request exceeds the endpoint byte or text limit” (Traducción: la solicitud supera el límite de bytes o de texto del endpoint), y no se transcribe nada. Vea la [guía de códigos de error](https://broadrouter.com/es/guides/errors-and-retries/).

## Paso 1: ¿cómo se reduce el archivo?

Convierta a 16 kHz mono antes que nada. Basta un comando de ffmpeg:

```bash
ffmpeg -i meeting.m4a -ac 1 -ar 16000 meeting.wav
```

Para BroadNet, la salida debe ser WAV (`audio/wav`) o MP3 (`audio/mpeg`). Formatos como `.m4a`, `.ogg` y `.webm` necesitan conversión de todos modos, así que haga el remuestreo en el mismo paso.

¿WAV o MP3? WAV no tiene pérdida, así que no se pierde nada, pero llena el límite en unos 13 minutos. En MP3 a 64 kbit/s cabe cuatro veces más audio por solicitud, pero tiene pérdida. Si usa MP3, haga una prueba corta: transcriba los mismos cinco minutos en WAV y en MP3 y compare el texto. La entrada sobre [frecuencia de muestreo](https://broadrouter.com/es/glossary/sample-rate/) explica por qué 16 kHz basta para la voz.

## Paso 2: ¿cómo se divide el audio sin cortar palabras?

Divida por tiempo, nunca por bytes. Un corte en una posición de bytes puede caer en medio de un fotograma de audio, y el archivo no se podrá decodificar. Un corte en un tiempo fijo puede caer en medio de una palabra. La propia guía de OpenAI advierte contra dividir a mitad de frase porque “can remove context and reduce accuracy” (Traducción: puede eliminar contexto y reducir la precisión).

El método fiable es cortar dentro de un silencio cercano a la duración objetivo. Para obtener comandos listos según el tamaño y la duración de su archivo, use el [generador gratuito de comandos para dividir audio](https://broadrouter.com/tools/audio-splitter-ffmpeg/). A mano, funciona así:

1.  Ejecute el filtro [silencedetect](https://ffmpeg.org/ffmpeg-filters.html) de ffmpeg para listar los silencios.
2.  Recorra la grabación. Cuando un fragmento llegue a unos 10 minutos, corte en el siguiente silencio.
3.  Corte cada fragmento con ffmpeg, de un punto de corte al siguiente.

Diez minutos de WAV mono a 16 kHz son 19.2 MB, lo que deja margen bajo el límite. Si alguien habla mucho tiempo sin pausa, el script de abajo corta en el máximo estricto.

El [segment muxer](https://ffmpeg.org/ffmpeg-formats.html) de ffmpeg también puede dividir un archivo en trozos “of nearly fixed duration” (Traducción: de duración casi fija) con un solo comando. Es rápido, pero no busca silencios, así que úselo solo si perder una palabra en cada borde es aceptable, o añada superposición (vea más abajo).

## ¿Cómo es el script completo?

Este script de Python convierte, divide en los silencios, envía hasta cuatro fragmentos a la vez y une el texto. Usa el SDK de OpenAI apuntando a BroadNet Inference.

```python
# pip install openai
import os, re, subprocess, tempfile
from concurrent.futures import ThreadPoolExecutor
from openai import OpenAI

client = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
TARGET, HARD_MAX = 600, 750   # seconds: aim for 10 min, never above 12.5 min

def run(*args):
    return subprocess.run(args, capture_output=True, text=True, check=True)

def silences(path):
    """Midpoints (in seconds) of silent gaps of 0.5 s or more."""
    out = run("ffmpeg", "-i", path, "-af", "silencedetect=noise=-35dB:d=0.5",
              "-f", "null", "-").stderr
    starts = [float(x) for x in re.findall(r"silence_start: ([\d.]+)", out)]
    ends = [float(x) for x in re.findall(r"silence_end: ([\d.]+)", out)]
    return [(s + e) / 2 for s, e in zip(starts, ends)]

def duration(path):
    return float(run("ffprobe", "-v", "error", "-show_entries", "format=duration",
                     "-of", "csv=p=0", path).stdout)

def cut_points(path):
    total, gaps, cuts, last = duration(path), silences(path), [0.0], 0.0
    while total - last > HARD_MAX:
        ok = [g for g in gaps if last + TARGET <= g <= last + HARD_MAX]
        last = ok[0] if ok else last + HARD_MAX   # no silence: hard cut
        cuts.append(last)
    return cuts + [total]

def transcribe(chunk):
    with open(chunk, "rb") as f:
        return client.audio.transcriptions.create(
            model="broadnet/cohere-transcribe-arabic", file=f, language="ar").text

def transcribe_long(src):
    with tempfile.TemporaryDirectory() as tmp:
        wav = os.path.join(tmp, "full.wav")
        run("ffmpeg", "-y", "-i", src, "-ac", "1", "-ar", "16000", wav)
        cuts, chunks = cut_points(wav), []
        for i, (a, b) in enumerate(zip(cuts, cuts[1:])):
            out = os.path.join(tmp, f"part{i:03d}.wav")
            run("ffmpeg", "-y", "-i", wav, "-ss", str(a), "-to", str(b), out)
            chunks.append(out)
        with ThreadPoolExecutor(max_workers=4) as pool:   # map() keeps order
            return "\n".join(pool.map(transcribe, chunks))

print(transcribe_long("meeting.m4a"))
```

Notas sobre el script:

-   **Idioma.** La documentación de BroadNet indica enviar siempre `language`; sin él, el árabe “can otherwise be transliterated into Latin letters” (Traducción: podría transliterarse a letras latinas). Use `broadnet/cohere-transcribe` con el código de idioma correcto para inglés, francés o cualquier otro de sus [idiomas admitidos](https://broadrouter.com/es/blog/multilingual-speech-to-text-api/).
-   **Umbrales.** `-35dB` y `0.5` segundos sirven para una sala silenciosa. Las salas ruidosas necesitan un valor de ruido más alto, como `-30dB`. Imprima los puntos de corte una vez y revíselos.
-   **Orden.** `pool.map` devuelve los resultados en el orden de entrada, así que el texto se une en la secuencia correcta aunque los fragmentos terminen en momentos distintos.

## ¿Cuántos fragmentos puede enviar a la vez?

Tantos como permita su clave. Una clave de pago por uso de BroadNet permite 4 solicitudes en curso y 30 solicitudes por minuto, por eso el script usa cuatro procesos. Una quinta solicitud simultánea recibe 429. Reintente las respuestas 429 y 5xx con espera exponencial; no reintente 413, porque el mismo archivo volverá a fallar. [Cómo manejar los errores 429](https://broadrouter.com/es/blog/handle-llm-api-429-rate-limits/) incluye una función de reintento con la que puede envolver `transcribe()`.

Con cuatro procesos, una grabación de dos horas en fragmentos de 10 minutos se convierte en 12 solicitudes en tres tandas. El tiempo total es de aproximadamente tres viajes de ida y vuelta de un fragmento, no doce.

## ¿Necesita superposición entre fragmentos?

No si corta dentro de los silencios: no hay habla en el borde que perder. La superposición es para los cortes en tiempo fijo. Empiece cada fragmento uno o dos segundos antes de que termine el anterior y elimine las palabras repetidas al unir el texto. Lo habitual es comparar las últimas palabras de un fragmento con las primeras del siguiente y descartar la coincidencia.

La superposición cuesta un poco. Dos segundos por fragmento de 10 minutos añaden alrededor de un 0.3 % al audio que paga.

## ¿Puede el siguiente fragmento usar el texto del anterior como contexto?

Algunas API lo permiten. OpenAI menciona “carrying context from a previous chunk of a longer recording” (Traducción: trasladar el contexto de un fragmento anterior de una grabación más larga) como uso de su parámetro `prompt`. La referencia de la API de BroadNet solo menciona `model`, `language` y `file` para la transcripción, y devuelve JSON con un campo `text`. Así que en BroadNet trate cada fragmento como independiente y corrija nombres y términos después. Una solución barata es enviar la transcripción unida a un modelo de chat con una lista de la ortografía correcta de personas, productos y lugares.

## ¿Cuánto cuesta un archivo largo?

La voz a texto se factura por minuto de audio, así que dividir no cambia el total. Con las tarifas publicadas de BroadNet:

| Audio | BroadNet Transcribe Arabic | BroadNet Transcribe (14 idiomas) |
| --- | --- | --- |
| Precio por minuto | $0.0042 | $0.002 |
| Una hora | $0.25 | $0.12 |
| 1,000 horas | $252.00 | $120.00 |

La página de precios indica un precio por minuto de audio y no dice nada de un mínimo por archivo ni de redondeo. Revise su página de uso después del primer lote para confirmar que el total coincide con la duración del audio. Ambos modelos de transcripción están disponibles con el crédito inicial gratuito de $5, que cubre unos 1,190 minutos de árabe. Para calcular su propio volumen, use la [calculadora de costo de voz a texto](https://broadrouter.com/tools/speech-to-text-cost-calculator/); para comparar proveedores, vea el [conjunto de datos de precios de API de voz a texto](https://broadrouter.com/data/speech-to-text-api-prices/).

## ¿Qué errores debe evitar?

-   **Enviar el archivo original.** Un WAV estéreo a 48 kHz es seis veces más grande de lo necesario.
-   **Cortar por posición de bytes.** El fragmento no se decodificará, o el primer segundo será ruido.
-   **Fragmentos justo en el límite.** Un fragmento de 25.9 MB pasa hoy y falla cuando una grabación tiene un poco más de volumen. Deje margen.
-   **Paralelismo sin límite.** Lanzar 50 fragmentos a la vez hace que la mayoría reciba 429. Limite los procesos al máximo de solicitudes en curso de la clave.
-   **Olvidar el idioma.** Cada fragmento es una solicitud aparte, así que cada uno necesita `language`.

## ¿Cuándo dividir no es la herramienta adecuada?

Si necesita etiquetas de hablante o marcas de tiempo por palabra, dividir el audio para una API que solo devuelve texto no se las dará. La respuesta de transcripción de BroadNet es solo texto. Los proveedores que devuelven [diarización](https://broadrouter.com/es/glossary/diarization/) y [marcas de tiempo](https://broadrouter.com/es/glossary/timestamps-asr/) también manejan los archivos largos de forma más directa; la [guía de compra de API de voz a texto en árabe](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/) los compara. Para grabaciones de llamadas en estéreo, divida por canal en lugar de por tiempo: el [flujo para centros de llamadas](https://broadrouter.com/es/blog/transcribe-call-center-recordings/) muestra cómo.

## Dónde encaja BroadNet Inference

BroadNet Transcribe Arabic cuesta $0.0042 por minuto, y BroadNet informa que ocupa el puesto #2 de 37 (su cifra de septiembre de 2026; el tablero en vivo lo situaba en el #4 de 39 el 15 de noviembre de 2026) en el [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard). El audio y las transcripciones no se conservan después de la solicitud. Sirve para la transcripción por lotes de grabaciones largas en árabe una vez divididas como se explicó. No le sirve si necesita marcas de tiempo, etiquetas de hablante o streaming en vivo en la misma API. La [guía de voz a texto en árabe](https://broadrouter.com/es/guides/arabic-speech-to-text-api/) cubre la primera solicitud; este artículo cubre los archivos demasiado grandes para una sola.

Herramientas gratuitas sobre este tema (en inglés)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[Herramientas gratuitas (en inglés)](https://broadrouter.com/tools/)

## Términos de este artículo

[Voz a texto (speech-to-text)](https://broadrouter.com/es/glossary/speech-to-text/)

La conversión de voz a texto, o reconocimiento automático del habla (ASR), transforma audio hablado en texto escrito. Una API de voz a texto recibe un archivo o stream de audio y devuelve una transcripción, normalmente cobrada por minuto. La precisión se mide con la tasa de error por palabra y varía según el acento, el dialecto y la grabación.

[WAV (archivo de audio)](https://broadrouter.com/es/glossary/wav/)

WAV (Waveform Audio File Format, o WAVE) es un contenedor de audio basado en el formato RIFF de Microsoft e IBM. Suele llevar muestras PCM lineales sin comprimir, así que su tamaño es predecible: frecuencia de muestreo por bytes por muestra por canales, por segundo.

[Concurrencia (concurrency)](https://broadrouter.com/es/glossary/concurrency/)

La concurrencia es el número de solicitudes que un cliente tiene en curso al mismo tiempo. Las APIs de LLM suelen limitarla por clave o por plan, aparte de las solicitudes por minuto, porque cada solicitud abierta ocupa capacidad de GPU hasta que su respuesta termina.

[Marcas de tiempo en voz a texto (timestamps)](https://broadrouter.com/es/glossary/timestamps-asr/)

Las marcas de tiempo en voz a texto son tiempos de inicio y fin, en segundos, asociados a partes de una transcripción. Las de segmento cubren una frase u oración; las de palabra cubren cada palabra. Se necesitan para subtítulos, para buscar dentro de grabaciones y para alinear el texto con los hablantes.

[Pago por uso (pay-as-you-go)](https://broadrouter.com/es/glossary/pay-as-you-go/)

El pago por uso es un modelo de precios en el que usted paga solo lo que usa, medido por unidades como tokens, solicitudes o minutos de audio, sin suscripción ni compromiso mínimo. La mayoría de las APIs de LLM cobran así, desde un saldo prepagado o con una factura periódica.

[Diarización de hablantes (speaker diarization)](https://broadrouter.com/es/glossary/diarization/)

La diarización de hablantes es la tarea de dividir una grabación de audio en segmentos por hablante para responder "quién habló y cuándo". Etiqueta cada tramo de habla con un ID de hablante anónimo, como SPEAKER\_00, y suele combinarse con una transcripción para mostrar qué persona dijo cada línea.

[Límite de frecuencia (rate limit)](https://broadrouter.com/es/glossary/rate-limit/)

Un límite de frecuencia (rate limit) es un tope que una API impone a cuánto puede usarla un cliente en un periodo, como solicitudes por minuto o tokens por minuto. Las solicitudes que lo superan se rechazan, normalmente con HTTP 429 Too Many Requests, hasta que el uso vuelve a quedar por debajo.

[Llamadas a herramientas (tool calling)](https://broadrouter.com/es/glossary/tool-calling/)

Las llamadas a herramientas (tool calling), también llamadas function calling, son una función de las APIs de LLM en la que el modelo devuelve una solicitud estructurada para ejecutar una función definida por el desarrollador, con argumentos JSON. La aplicación ejecuta la función y devuelve el resultado; el modelo nunca ejecuta código.

## Preguntas frecuentes

### ¿Cómo transcribo un archivo de audio de más de 25 MB?

Primero conviértalo a 16 kHz mono, lo que a menudo basta para que quede por debajo del límite. Si sigue siendo demasiado grande, divídalo con ffmpeg en fragmentos de unos 10 minutos en los silencios, transcriba cada fragmento con el mismo ajuste de idioma y una los textos en orden.

### ¿Cuántos minutos de audio caben en 25 MB?

Depende del formato. El WAV mono de 16 bits a 16 kHz usa 32,000 bytes por segundo, así que 26,214,400 bytes alcanzan para unos 13.6 minutos. El MP3 a 64 kbit/s, para unos 54 minutos. Un WAV estéreo o a 44.1 kHz admite mucho menos.

### ¿Qué pasa si subo un archivo que supera el límite?

La solicitud se rechaza. BroadNet Inference devuelve 413, que su documentación define como una solicitud que supera el límite de bytes o de texto del endpoint. No se transcribe nada, así que divida el archivo y vuelva a enviarlo.

### ¿Pierdo palabras en los bordes de los fragmentos?

Puede ocurrir si corta en un tiempo fijo en medio del habla. Corte dentro de un silencio. Si tiene que cortar en un tiempo fijo, superponga los fragmentos uno o dos segundos y elimine las palabras repetidas al unirlos.

### ¿Dividir un archivo cuesta más?

Usted paga por minutos de audio, así que la duración total es la misma. La página de precios de BroadNet indica un precio por minuto de audio y no menciona un mínimo por archivo ni redondeo; revise la página de uso después del primer lote para confirmarlo.

### ¿Puedo enviar el texto del fragmento anterior como contexto?

Algunas API admiten un prompt para eso; OpenAI menciona trasladar el contexto de un fragmento anterior como uso de su parámetro prompt. La documentación de BroadNet solo menciona model, language y file, así que no cuente con un prompt allí.

## Siga leyendo

-   [Cómo transcribir grabaciones de call center: pipeline listo para árabe](https://broadrouter.com/es/blog/transcribe-call-center-recordings/)
-   [API de voz a texto multilingüe: 14 idiomas, un solo endpoint](https://broadrouter.com/es/blog/multilingual-speech-to-text-api/)
-   [API de voz a texto en árabe: cómo elegir una en 2026](https://broadrouter.com/es/blog/arabic-speech-to-text-api-buyers-guide/)
-   [Alternativa a la API de Whisper: cuándo cambiar y cómo probarla](https://broadrouter.com/es/blog/whisper-api-alternative/)
-   [Precios de API de voz a texto comparados: precio por minuto en 2026](https://broadrouter.com/es/blog/speech-to-text-api-pricing-compared/)
-   [Subtítulos en árabe (SRT) desde una API de voz a texto: qué necesita](https://broadrouter.com/es/blog/arabic-subtitles-srt-api/)
-   [Grabar audio en el navegador y enviarlo a una API de voz a texto](https://broadrouter.com/es/blog/record-browser-audio-transcription-api/)
-   [Traducir audio en árabe a texto en inglés por API: pipeline probado](https://broadrouter.com/es/blog/translate-arabic-audio-to-english/)
-   [El hardware GPU de BroadNet y cómo sirve los modelos, según BroadNet](https://broadrouter.com/es/blog/broadnet-gpu-fleet-and-serving/)
-   [Caché de respuestas de APIs de LLM para reducir costos en Python](https://broadrouter.com/es/blog/cache-llm-responses-cut-cost/)
-   [Guía: API de voz a texto en árabe, paso a paso](https://broadrouter.com/es/guides/arabic-speech-to-text-api/)
-   [Guía: Transcribir notas de voz de WhatsApp a texto con una API](https://broadrouter.com/es/guides/transcribe-whatsapp-voice-notes/)
-   [Guía: Códigos de error de BroadNet Inference y cuándo reintentar](https://broadrouter.com/es/guides/errors-and-retries/)

Pruébelo con su carga de trabajo real. Las cuentas nuevas empiezan con USD 5 de crédito para Gemma y transcripción. DeepSeek, GLM y Qwen3.8 requieren una recarga.

[Comenzar](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-transcribe-long-audio-files-api&utm_content=page-cta) ·

**Fuentes**

-   [Referencia de la API de BroadNet Inference: WAV o MP3 hasta 26,214,400 bytes, campo language, errores 413 y 429, límites de pago por uso (consultado el 2026-11-15) (en inglés)](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Página de precios de BroadNet Inference, precio de transcripción por minuto de audio (consultado el 2026-11-15)](https://inference.broadnet.ai/es/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=es-blog-transcribe-long-audio-files-api&utm_content=sources)
-   [Guía de voz a texto de OpenAI: límite de 25 MB por archivo, dividir en fragmentos, evitar cortar a mitad de frase (consultado el 2026-11-15)](https://developers.openai.com/api/docs/guides/speech-to-text)
-   [Documentación de formatos de FFmpeg, segment muxer (consultado el 2026-11-15)](https://ffmpeg.org/ffmpeg-formats.html)
-   [Open Universal Arabic ASR Leaderboard en Hugging Face (puesto que informa BroadNet; verificado por BroadRouter el 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Documentación de filtros de FFmpeg, silencedetect (consultado el 2026-11-15)](https://ffmpeg.org/ffmpeg-filters.html)
